muapi Logomuapi Logo
muapi Logomuapi Logo

Abliterated Model Large: AI stora språkmodeller

Anropa Abliterated Model Large via ett enda API. 1M tokens kontext, strömning och betalning per token. Prova gratis i Muapis playground. Abliterated Model Large är en stor språkmodell för resonemang med ett kontextfönster på 1M token och stöd för verktygsanrop, modifierad med abliteration för att minska benägenheten att avvisa förfrågningar. Muapi tillhandahåller modellen via en enda REST-slutpunkt med asynkron statuskontroll och strömning med Server-Sent Events. Integrera den i chattappar, agenter och arbetsflöden utan att behöva drifta GPU:er. Den passar bäst för resonemang med långa kontexter och agenter som använder verktyg. Priset är $6/M indatatoken och $10/M utdatatoken, utan abonnemang. Se även Abliterated Model, Abliterated Model Large V2. Se hela utbudet på sidan Abliterated Model API eller i abliterated LLM API; relaterade modellfamiljer: GLM Abliterated API och Gemma Abliterated API. 'Begreppen ”abliterated” och ”derestricted” beskriver modifieringar som minskar modellens benägenhet att avvisa förfrågningar. De garanterar inte obegränsade svar, och du ansvarar för att följa gällande lagar och Muapis användarvillkor.

Interaktiva modellkontroller

Anropa Abliterated Model Large via ett enda API. 1M tokens kontext, strömning och betalning per token. Prova gratis i Muapis playground.

📝

Översikt

Om denna modell

Abliterated Model Large är en stor språkmodell för resonemang med ett kontextfönster på 1M token och stöd för verktygsanrop, modifierad med abliteration för att minska benägenheten att avvisa förfrågningar. Muapi tillhandahåller modellen via en enda REST-slutpunkt med asynkron statuskontroll och strömning med Server-Sent Events. Integrera den i chattappar, agenter och arbetsflöden utan att behöva drifta GPU:er. Den passar bäst för resonemang med långa kontexter och agenter som använder verktyg. Priset är $6/M indatatoken och $10/M utdatatoken, utan abonnemang. Se även Abliterated Model, Abliterated Model Large V2. Se hela utbudet på sidan Abliterated Model API eller i abliterated LLM API; relaterade modellfamiljer: GLM Abliterated API och Gemma Abliterated API. 'Begreppen ”abliterated” och ”derestricted” beskriver modifieringar som minskar modellens benägenhet att avvisa förfrågningar. De garanterar inte obegränsade svar, och du ansvarar för att följa gällande lagar och Muapis användarvillkor.

1Chatt och assistenter: Bygg konversationsappar med Abliterated Model Large för resonemang med långa kontexter och agenter som använder verktyg.
2Experiment med färre avslag: jämför avslagsbeteendet med basmodellen i egna utvärderingar, inom ramen för Muapis användningspolicy.
3Agenter och arbetsflöden: anropa modellen från Muapis arbetsflödesnoder och exemplen i [abliterated LLM API](/abliterated-llm-api)-hubben.
💰

Prissättning & värde

Kostnadsanalys

muapiapp$6/M input tokens and $10/M output tokens

Betalning per token, debiterad efter faktisk användning med ett litet minimibelopp reserverat i förväg.

Fal.aiInte tillgänglig

Abliterated Model Large erbjuds inte som en driftad slutpunkt.

ReplicateInte tillgänglig

Abliterated Model Large erbjuds inte som en driftad slutpunkt.

** Konkurrentens prissättning beräknas baserat på liknande modellarkitekturer och användningsnivåer.

⚙️

Tekniska detaljer

Konfigurationsschema

uppmaningstring

för förfrågnings-/undersökningsarbetsflöden och serversända händelser

StandardvärdeSummarize the trade-offs between a monolith and microservices in five bullet points.
Systempromptstring

, .

StandardvärdeYou are a concise, direct assistant.
Maximalt antal tokensinteger

Optional maximum number of tokens to generate.

Standardvärde8192
📖

Implementeringsguide

Utvecklardokumentation

Så använder du Abliterated Model Large API

  1. Skaffa en API-nyckel: skapa en nyckel i Muapi-kontrollpanelen.

  2. Skicka en prompt: gör en POST-begäran med prompt (samt valfritt system_prompt och max_tokens, upp till 32768) till /api/v1/abliterated-model-large.

curl -X POST https://api.muapi.ai/api/v1/abliterated-model-large \
  -H "x-api-key: $MUAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt": "Explain how attention works in transformers."}'
  1. Hämta status eller strömma: kontrollera GET /api/v1/predictions/{request_id}/result tills status är completed, eller strömma token i realtid från /api/v1/abliterated-model-large/stream.
curl -X POST https://api.muapi.ai/api/v1/abliterated-model-large/stream \
  -H "x-api-key: $MUAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt": "Explain how attention works in transformers."}'
  1. Läs resultatet: den genererade texten returneras i outputs. Debiteringen baseras på det faktiska antalet token.
❓

Vanliga frågor

Vanliga frågor

Vad är Abliterated Model Large?

Abliterated Model Large är en stor språkmodell för resonemang med ett kontextfönster på 1M token och stöd för verktygsanrop, modifierad med abliteration för att minska benägenheten att avvisa förfrågningar.

Vad betyder abliterated?

Abliterated- eller derestricted-modeller har modifierats för att minska benägenheten att avvisa förfrågningar. Det minskar antalet avslag, men eliminerar dem inte och garanterar inte obegränsade svar.

Hur prissätts Abliterated Model Large?

Debitering sker per token: $6/M indatatoken och $10/M utdatatoken. Ett litet minimibelopp reserveras när begäran startar och justeras sedan efter den faktiska användningen.

Har Abliterated Model Large stöd för strömning?

Ja. Strömma token i realtid från `/api/v1/abliterated-model-large/stream` med Server-Sent Events, eller kontrollera den asynkrona slutpunkten.

Hur stort är kontextfönstret?

Kontextfönstret är cirka 1M token. Prompten och svaret måste rymmas tillsammans; `max_tokens` har ett tak på 32768. Slutpunkten tar endast emot text.

Är det garanterat att svaren är obegränsade?

Nej. Abliterated-modeller är mindre benägna att avvisa förfrågningar, men beteendet varierar med prompten och kvaliteten kan skilja sig från basmodellen. Utvärdera modellen för ditt användningsfall och följ gällande lagar.